在各种杂乱环境中生成合成成像雷达数据,使用新的UWB日志周期天线
Deepmala Trivedi1, Gopal Singh Phartiyal2, Ajeet Kumar3
1Electronics and Communication Engineering, Indian Institute of Technology Roorkee, Roorkee 247667, India.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
使用新型超宽带天线使用电磁模拟生成合成数据,可以克服在微波成像中收集真实数据以用于基于AI/ML的目标检测的挑战.
科学领域:
- 电磁学 电磁学 电磁学 电磁学
- 微波成像技术 微波成像技术
- 人工智能 / 机器学习
背景情况:
- 收集用于短距离微波成像目标检测的真实世界数据是劳动密集型的,并且需要用于AI/ML开发的大型数据集.
- 现有的方法经常在混乱的环境中扎,需要替代数据生成方法.
研究的目的:
- 利用电磁波传播模拟来探索合成数据生成,作为对实验数据的经济高效补充.
- 开发和验证一种新的超宽带 (UWB) 日志周期天线,用于实现合成数据生成.
- 评估生成的合成数据对目标检测应用 (如穿透墙壁和穿透树叶成像) 的有用性.
主要方法:
- 设计并模拟了一种新型打印可扩展的UWB日志周期天线的3D模型.
- 将天线模型纳入电磁波传播模拟中,以生成合成微波成像数据.
- 通过墙壁成像 (TWI) 和通过叶片成像 (TFI) 场景生成合成数据.
- 在生成的合成数据上探索和分析了杂乱清除技术.
主要成果:
- 设计的UWB日志周期天线在其带宽中呈现出高度定向的辐射模式和高收益 (>6 dBi).
- 使用3D天线模型生成的合成数据实际捕捉了环境合效应.
- 合成图像被证明适合开发和训练用于TWI和TFI应用的机器学习模型.
结论:
- 通过电磁模拟进行合成数据生成,为微波成像的实验数据收集提供了可行和高效的替代方案.
- 拟议的UWB日志周期天线有效地创建现实的合成数据集用于目标检测.
- 合成数据有助于开发AI/ML模型,用于具有挑战性的成像应用,如TWI和TFI.
